大约有 6,000 项符合查询结果(耗时:0.0222秒) [XML]

https://www.tsingfun.com/it/tech/1689.html 

为什么你得学些 TCP 的知识? - 更多技术 - 清泛网 - 专注C/C++及内核技术

...消息时,每次要耗费 40 毫秒”。我已经断断续续思考了一个星期,但是没有任何结果。 一点背景知识:NSQ 是一个消息队列,你通过本地的一个 HTTP 请求向其发布消息。发送本地的一个 HTTP 请求确实不应该花费 40 毫秒,有时候...
https://bbs.tsingfun.com/thread-850-1-1.html 

为什么你得学些 TCP 的知识? - 环境配置 - 清泛IT社区,为创新赋能!

...消息时,每次要耗费 40 毫秒”。我已经断断续续思考了一个星期,但是没有任何结果。 一点背景知识:NSQ 是一个消息队列,你通过本地的一个 HTTP 请求向其发布消息。发送本地的一个 HTTP 请求确实不应该花费 40 毫秒,有时候...
https://bbs.tsingfun.com/thread-2438-1-1.html 

Modbus硬件控制01——什么是Modbus - 创客硬件开发 - 清泛IT社区,为创新赋能!

...,都很有必要了解一下。1.什么是Modbus?1.什么是Modebus它是一个Bus,即总线协议。比如串口协议、IIC协议、SPI都是通信协议。你接触到这种协议,相信你所处的行业是工业电子方面或者你的产品用于工业。好了,现在知道了大概知...
https://www.tsingfun.com/it/te... 

Shell脚本编程30分钟入门 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...释器的 第2行:切换到当前用户的home目录 第3行:创建一个目录shell_tut 第4行:切换到shell_tut目录 第5行:循环条件,一共循环10次 第6行:创建一个test_1…10.txt文件 第7行:循环体结束 cd, mkdir, touch都是系统自带的程序,一...
https://www.tsingfun.com/it/cpp/667.html 

windows异常处理 __try __except - C/C++ - 清泛网 - 专注C/C++及内核技术

..._except关键字来定义。并且,catch关键字后面往往好像接受一个函数参数一样,可以是各种类型的异常数据对象;但是__except关键字则不同,它后面跟的却是一个表达式,我们知道,函数调用也是一个表达式。 我们来看下面这...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(四) - 大数据 & AI - 清泛...

...神经网络(ANN)本身就是具有层次结构的系统,如果给定一个神经网络,我们假设其输出与输入是相同的,然后训练调整其参数,得到每一层中的权重。自然地,我们就得到了输入I的几种不同表示(每一层代表一种表示),这...